МОДЕЛЮВАННЯ ПРОЦЕСІВ ПОШИРЕННЯ ТА НЕЙТРАЛІЗАЦІЇ ІНФОРМАЦІЙНИХ ВПЛИВІВ У СЕГМЕНТІ СОЦІАЛЬНОЇ МЕРЕЖІ

Автор(и)

  • Олександр Сергійович Улічев кафедра кібербезпеки та програмного забезпечення Центральноукраїнського національного технічного університету
  • Єлизавета Владиславівна Мелешко кафедра кібербезпеки та програмного забезпечення Центральноукраїнського національного технічного університету

DOI:

https://doi.org/10.18372/2410-7840.22.14979

Ключові слова:

соціальні мережі, моделі генерації мереж, інформаційні впливи, інформаційна безпека, агенти впливу, лідери думок, інформаційне протиборство

Анотація

У даній роботі проведено дослідження існуючих методів генерації структури соціальних мереж, запропоновано метод генерації сегменту соціальної мережі з можливістю вибору різної кількості та типів кластерів, а також здійснено моделювання процесів поширення та нейтралізації інформаційних впливів в сегменті соціальної мережі з наперед заданими особливостями топології мережі. Проведено серію експериментів для моделювання поширення та нейтралізації інформаційних впливів з застосуванням різних поведінкових стратегій агентами впливу у соціальній мережі з метою виявлення найбільш ефективних дій для поширення таких впливів. Всього було проведено три серії експериментів. Перша серія експериментів проводилася для порівняння ефективності поширення інформаційних впливів при різних структурних положеннях агенту впливу у сегменті соціальної мережі. Друга серія експериментів проводилася з метою порівняння ефективності інформаційних впливів при різній кількості контрагентів, що протидіють ворожому інформаційному впливу. Третя серія експериментів мала на меті порівняння ефективності протидії інформаційному впливу при блокуванні різної кількості соціальних зв’язків ворожого агенту впливу. Встановлено, що ефективність інформаційного впливу та розповсюдження інформації у соціальній мережі залежить не лише від особистих якостей агенту впливу, наприклад, його репутації, але й від структурного положення та характеристик вузлів з околу агенту впливу. Експерименти показують, що навіть при найвигіднішому положенні і високому потенціалі інформаційного впливу, агенту впливу можна протидіяти або ж шляхом залучення контрагентів, або шляхом блокування його соціальних зв’язків. Конкретний метод протидії залежить від конкретної ситуації та структури сегменту соціальної мережі. Може бути застосований і комбінований метод, одночасно використовується і поширення контрінформації через контрагентів, і здійснюється блокування певної кількості соціальних зв’язків агенту впливу.

Посилання

Курбан О. В. Сучасні інформаційні війни в соціальних онлайн-мережах // Інформаційне суспільство, 2016. – Вип. 23. – С. 85–90. – URL: http://nbuv.gov.ua/UJRN/is_2016_23_15

Захарченко А.П. Інтернет-медіа: інтерактивний навчальний посібник для купсу "Підтримка сайту" для студентів відділення "Видавнича справа та редагування". – Київ, Видавець Марченко. – 2014. – 198 с.

Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства / Под ред. чл.-корр. РАН Д.А. Новикова. – 2-е изд., стереотипное. – М.: Издательство физико-математической литературы: МЦНМО, 2010. – 228 с.

Бергер Й. Заразливий. Психологія вірусного маркетингу / Пер. з англ. Олени Замойської. – К.: Наш Формат, 2015. – 224 c.

Богуш В.М., Юдін О.К. Інформаційна безпека держави. – К.: "МК-Прес", 2005. – 432 с.

Ландэ Д.В., Фурашев В.Н., Брайчевский С.М., Григорьев А.Н. Основы моделирования и оценки электронных информационных потоков: Монография. – К.: Инжиниринг, 2006. – 176 с.

Erdös P., Rényi A. On the evolution of random graphs // Magyar Tudományos Akademia Matematikai Kutato Intezetenek Közlemenyei [Publications of the Mathematical Institute of the Hungarian Academy of Sciences], 1960. – Т. 5.

Watts D.J.; Strogatz, S. H. Collective dynamics of “small-world” networks // Nature. 393 (6684), 1998. – 440-442 p. doi:10.1038/30918. PMID 9623998.

Barab´asi L.-A., Albert R., Jeong H. Scale-free characteristics of random networks: the topology of the world-wide web. Physica, A281, 2000. – 69–77 p.

Bollobás B., Riordan O. Mathematical results on scale-free random graphs // Handbook of graphs and networks. Weinheim: Wiley-VCH, 2003. – P. 1-34.

Bollobás B., Borgs C., Chayes T., Riordan O.M. Directed scale-free graphs. ProceedingSODA '03 Proceedings of the fourteenth annual ACM-SIAM symposium on Discrete algorithms, 2003. – 132–139 p.

Buckley P.G., Osthus D. Popularity based random graph models leading to a scale-free degree sequence. Discrete Mathematics, 282, 2004. – 53-63 p.

Берновски М.М., Кузюрин Н.Н. Случайные графы, модели и генераторы безмасштабных графов // Труды Института системного программирования РАН, текст научной статьи по специальности «Математика», 2012.

Райгородский А.М. Модели случайных графов и их применение // Труды МФТИ, 2010. – Т. 2, №4. – С. 130-140.

Ulichev O., Meleshko Y., Khokh V. The computer simulation method of a social network structure for the research of dissemination processes of informational influences // Scientific and Practical Cyber Security Journal (SPCSJ) 4(3). – Georgia, Tbilisi, 2019. – P. 34-47.

Ulichev O., Meleshko Ye., Sawicki D., Smailova S. Computer modeling of dissemination of informational influences in social networks with different strategies of information distributors // Proc. SPIE 11176, Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019.

Улічев О.С. Математична модель поширення інформаційно-психологічних впливів у сегменті соціальної мережі // Збірник наукових праць Кіровоградського національного технічного університету. Техніка в сільськогосподарському виробництві, галузеве машинобудування, автоматизація, Вип. 31. – Кропивницький: ЦНТУ, 2018. – С. 165-174.

Лазуткина Е. В. Лидеры мнений в информационном пространстве блогосферы рунета // Вестн. НГУ. Серия: История, филология, Т. 15, № 6, 2016. – С. 51-59.

Санин М.К., Барков Е.И. Эффективность блоггинга как маркетингового инструмента // Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент». № 2, 2016 – С. 107-112.

Katz E., Lazarsfeld P. Personal Influence: The Part Played by People in the Flow of Mass Communications // Publisher: Routledge, 2005. – 434 p.

##submission.downloads##

Опубліковано

2020-09-30

Номер

Том 22 № 3 (2020)

Розділ

Статті

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.

  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).